Pengenalan Ucapan Kata Sebagai Pengendali Gerakan Robot Lengan Secara Real-Time dengan Metode Linear Predictive Coding Neuro Fuzzy

Transkripsi

1 JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X A-51 Pengenalan Ucapan Kata Sebagai Pengendali Gerakan Robot Lengan Secara Real-Time dengan Metode Linear Predictive Coding Neuro Fuzzy Elsen Ronando dan M. Isa Irawan Jurusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Teknologi Sepuluh Nopember (ITS) Kampus ITS Keputih- Sukolilo, Surabaya Abstrak Seak beberapa dekade terakhir ini, peran robot dalam industri maupun kehidupan sehari-hari semakin meningkat. Hampir ada cabang industri teknologi tinggi yang dibantu robot. Dalam kehidupan sehari-hari, berbagai bentuk robot diciptakan untuk membantu atau memudahkan aktivitas manusia. Namun seiring dengan tingkat kebutuhan manusia terhadap robot, tingkat resiko kesulitan manusia dalam menggunakan teknologi tersebut semakin tinggi. Hal ini ditunukkan dengan banyaknya kecelakaan akibat adanya teknologi yang memudahkan manusia dalam berinteraksi dengan robot secara interaktif. Pada umumnya robot-robot tersebut dikendalikan melalui input keyboard dari Personal Computer (PC) atau remote control analog, dan bukan melalui suara ucapan. Oleh karena itu perlu dirancang suatu robot yang bergerak sesuai perintah suara ucapan. Jika suara ucapan digunakan untuk mengendalikan suatu robot, maka sistem yang dipakai harus beralan secara realtime sehingga robot dapat dikendalikan secara interaktif. Pada tugas akhir ini akan dikembangkan sebuah suatu perangkat lunak sistem pengenalan suara menggunakan metode Linear Predictive Coding (LPC) dan Neuro-Fuzzy. Perangkat lunak tersebut akan digunakan untuk mengendalikan robot lengan yang terhubung pada kabel serial RS-232 suatu PC melalui komunikasi serial. Dalam penelitian ini diharapkan dengan menerapkan metode Linear Predictive Coding (LPC) dan Neuro-Fuzzy pada sistem pengenalan suara dapat digunakan untuk mengidentifikasi perintah suara dengan tingkat keberhasilan yang tinggi sehingga dapat digunakan sebagai pengendali robot yang handal. Berdasarkan dari hasil penguian yang dilakukan pengenalan aringan untuk data baru lebih rendah terhadap data latihan. Prosentase pengenalan suara dari dalam database sebesar 100 %, dan prosentase untuk pengenalan suara dari luar database 12,5%. Kata Kunci Komunikasi Serial, Linear Predictive Coding, Neuro-Fuzzy, Remote Control, Robot Lengan. I. PENDAHULUAN eak beberapa dekade terakhir ini, peran robot dalam Sindustri maupun kehidupan sehari-hari semakin meningkat. Hampir ada cabang industri teknologi tinggi yang dibantu robot. Dalam kehidupan sehari-hari, berbagai bentuk robot diciptakan untuk membantu atau memudahkan aktivitas manusia. Namun seiring dengan tingkat kebutuhan manusia terhadap robot, tingkat resiko kesulitan manusia dalam menggunakan teknologi tersebut semakin tinggi. Hal ini ditunukkan dengan banyaknya kecelakaan akibat adanya teknologi yang memudahkan manusia dalam berinteraksi dengan robot secara interaktif. Pada umumnya robot atau mesin tersebut dikemudikan oleh operator atau dikendalikan PC atau remote control. Oleh karena itu untuk lebih memudahkan pengendalian robot tersebut perlu dirancang suatu robot yang bergerak melalui interaksi manusia. Salah satu penelitian sebelumnya yang berhubungan dengan human robot interface, interaksi manusia dengan robot menggunakan isyarat tangan sebagai bahasa tubuh manusia dengan metode Fuzzy C-Means (FCM) dan aringan syaraf tiruan LVQ sebagai perintah untuk mengendalikan robot [1]. Selain itu, terdapat penelitian lainnya yang berkaitan dengan interaksi manusia dengan robot, yaitu kendali gerak interaktif robot mobil berbasis suara ucapan [2]. Berdasarkan hal tersebut, maka dalam tugas akhir ini dilakukan pengembangan sistem agar komputer bisa berinteraksi dengan manusia berdasarkan sistem pengenalan suara. Sistem pengenalan suara adalah bagian dari biometrika yang merupakan cabang ilmu komputer yang muncul dan berkembang pada era globalisasi. Bidang garap biometrika adalah mengidentifikasi individu berdasarkan ciri-ciri fisiologis dan tingkah laku yang dimiliki oleh individu tersebut. Salah satu ciri yang dapat digunakan untuk mengidentifikasi individu adalah melalui suara ucapan. Salah satu bidang aplikasi sistem pengenalan suara adalah untuk perkembangan teknologi robot, seperti [2]. Jika suara ucapan digunakan untuk mengendalikan suatu robot, maka sistem yang dipakai harus beralan secara realtime sehingga robot dapat dikendalikan secara interaktif [1][2]. Dalam pengenalan suara terdapat beberapa tahapan yang harus dilakukan, yaitu akuisisi data suara, ektraksi ciri sinyal suara, dan pengenalan pola suara [3]. Proses akuisisi sinyal suara yang diperoleh oleh microphone akan didigitalisasi oleh soundcard pada PC, namun sinyal tersebut belum bisa digunakan untuk proses pengenalan karena belum menunukkan karakteristik dari sinyal tersebut. Oleh karena itu sinyal perlu diproses untuk mendapatkan suatu karakterisitik yang dapat digunakan sebagai pengenalan pola, salah satu metode untuk mengolah sinyal suara adalah metode linear predictive coding [3][4][5]. Setelah itu untuk pengenalan pola dari tiap karakteristik sinyal suara yang sudah diolah diperlukaan metode Neuro-Fuzzy [6][7]. Hasil pengenalan pola menggunakan metode Neuro-Fuzzy itulah

2 JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X A-52 yang akan digunakan sebagai input dalam representasi karakteristik sinyal yang diperlukan dalam menggerakan robot lengan. Pada tugas akhir ini akan dikembangkan sebuah sistem pengenalan ucapan kata yang memanfaatkan teknik ekstraksi ciri sinyal suara dan pengenalan pola suara. Metode yang akan digunakan, yaitu metode Liniear Predictive Coding (LPC) dan Neuro-Fuzzy. Untuk simulasi, tugas akhir ini menggunakan robot lengan dengan komunikasi serial RS-232 [11]. Diharapkan dengan menerapkan metode Liniear Predictive Coding (LPC) dan Neuro-Fuzzy, dapat digunakan untuk mengidentifikasi pengenalan ucapan kata dengan tingkat keberhasilan yang tinggi sehingga dapat digunakan sebagai pengendali robot lengan yang handal. II. TINJUAN PUSTAKA A. Suara Suara adalah sebuah sinyal yang rumit sebagai sebuah hasil dari beberapa transformasi yang teradi pada beberapa level yang berbeda dari semantik, linguistik, artikulasi (pengucapan) dan akustik. Perbedaan dalam transformasi ini tampak sebagai perbedaan anatomic yang melekat dalam vocal tract dan kebiasaan pengucapan yang dipelaari dari individu yang berbeda [8]. Suara yang dikeluarkan manusia dipengaruhi oleh banyak efek suara. Dengan mengubah salah satu dari beberapa komponen suara di h ini, maka efek suara dapat berubah dan suara baru akan terbentuk. Komponen suara itu adalah sebagai berikut [8]: Pitch dari suara dipengaruhi oleh frekwensi dari suara. Frekuensi dibagi menadi : low I bass (membuat suara menadi kuat), midrange (memberi energy pada suara), dan high I treble (memberi kualitas pada suara). Timbre (warna suara) adalah kombinasi yang unik dari frekuensi, harmonisa, dan nada yang memberikan setiap suara, music, dan efek suara suatu warna dan karakter. Harmonisa (nada), apabila suatu benda bergetar untuk menghasilkan suatu sinyal suara yang mempunyai frekuensi dan sinyal frekuensi inilah yang dinamakan harmonisa. Loudness dari suara bergantung pada intensitas dari stimulus suara dimana akan mempengaruhi amplitude dari suara. Ritme adalah suara yang berada di antara elemen yang kuat dan lemah. Attack, suatu suara timbul dinamakan dengan attack yang terbagi menadi dua yaitu fast attack dan slow attack. Sustam, apabila suatu suara mencapai puncak, panang waktu dari suara akan menahan itu bergantung pada energy dari sumber getaran. Decay adalah penurunan amplitude pada saat getaran telah dipisahkan. Speed, dengan mengubah kecepatan dari suatu suara akan menghasilkan efek suara yang berbeda. Namun pada Tugas Akhir ini hanya memusatkan pada pitch dari suara yang dikeluarkan dan yang siap untuk diproses dalam speech recognition. B. Speech Processing Speech Processing (pemrosesan lafal/ucapan) adalah metode mengekstrak informasi yang diinginkan dari sebuah sinyal suara. Untuk memproses sebuah sinyal dengan sebuah computer digital, sinyal harus dihadirkan dalam bentuk digital sehingga sinyal tersebut dapat digunakan oleh sebuah computer digital. Awalnya, gelombang suara akustik diubah ke suara sebuah sinyal digital sesuai untuk voice processing. Sinyal digital disini adalah sinyal analog yang telah melalui proses sampling, quantization, dan encoding [8]. Sampling adalah proses mengambil nilai-nilai sinyal pada titik-titik diskrit sepanang variable waktu dari sinyal waktu kontinu. Sehingga didapatkan sinyal waktu diskrit. Jumlah titik-titik yang diambil setiap detik dinamakan sebagai sampling rate. Dalam melakukan sampling, perlu diperhatikan kriteria Nyquist yang menyatakan bahwa sebuah sinyal harus memiliki sampling rate yang lebih besar dari 2f m dengan f m adalah frekuensi paling tinggi yang muncul disebuah sinyal. Quantization adalah proses memetakan nilai-nilai dari sinyal nilai kontinyu menadi nilai-nilai diskrit, sehingga didapatkan sinyal nilai diskrit. Encoding adalah proses mengubah nilai-nilai sinyal ke menadi bilangan biner. C. Speech Recognition Speech recognition (pengenalan lafal/ucapan) adalah suatu proses untuk mengenali seseorang dengan mengenali ucapan dari orang tersebut. Automatic speaker recogniton adalah penggunaan sebuah modul untuk mengenali ucapan seseorang dari sebuah frasa yang diucapkan. Empat dasar cara untuk melakukan speech recognition adalah sebagai berikut [8]: Template based approaches, dimana input speech yang ada dibandingkan dengan database yang ada untuk mendapatkan hasil yang paling cocok. Knowledge based approaches, untuk mengenali speech dengan proses pembelaaran pada sistem. Stochastic approaches, dimana melihat data statistika dari suatu individual speech. Connected approaches dimana menggunakan aringan dari seumlah contoh data, penghubung seluruh node yang ditraining untuk mengenali speech. Pada tugas akhir ini metode yang digunakan adalah metode template based approaches dan Knowledge based approaches yaitu dengan cara membandingkan data input speech dengan data speech yang terdapat pada database dan untuk mengenali speech dengan proses pembelaaran pada sistem. D. Metode Linear Predictive Coding Linear Predictive Coding (LPC) merupakan salah satu metode analisis sinyal suara yang menyatakan ciri-ciri penting dari sinyal suara tersebut dalam bentuk koefisien-koefisien LPC. Enam langkah utama yang digunakan pada bagian ekstraksi ciri berbasis Linear Predictive Coding (LPC) adalah [3][4][5]:

3 JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X A-53 1) Preemphasis. Pada langkah ini, cuplikan kata dalam bentuk digital ditapis dengan menggunakan FIR filter orde satu untuk meratakan spektral sinyal kata yang telah dicuplik tersebut. Persamaan preemphasizer yang paling umum digunakan ialah : ~ s( n) s( n) as ~ ( n 1 ) dimana harga untuk a ~ yang paling sering digunakan ialah 0,95. Sedangkan untuk implementasi fixed point, harga a ~ ialah 15/16 atau sama dengan 0, ) Frame Blocking. Pada tahap ini sinyal kata yang telah teremphasi, ~ s( n) dibagi menadi frame-frame dengan masing-masing frame memuat N cuplikan kata dan frame-frame yang berdekatan dipisahkan seauh M cuplikan, semakin M<<N semakin baik perkiraan spektral LPC dari frame ke frame. dimana n=0,1,,n-1 dan l = 0,1,,L-1 3) Windowing. Pada langkah ini dilakukan fungsi weighting pada setiap frame yang telah dibentuk pada langkah sebelumnya dengan tuuan untuk meminimalkan discontinuities pada uung awal dan uung akhir setiap frame yaitu dengan men-taper sinyal menuu nol pada uung-uungnya.tipikal window yang digunakan pada metode autokorelasi LPC adalah Hamming window yang memiliki bentuk : dimana 2n wn ( ) 054, 046, cos, 0 n N 1 N 1 4) Analisa Autokorelasi. Pada tahap ini masing-masing frame yang telah di windowing diautokorelasikan untuk mendapatkan : N 1 m r ( m) x~ ( n ) x~ ( n m ) l l l n0 dimana nilai autokorelasi yang tertinggi pada m=p adalah orde dari analisa LPC, biasanya orde LPC tersebut 8 sampai 16. Autokorelasi ke-0 melambangkan energi dari frame yang bersangkutan dan ini merupakan salah satu keuntungan dari metode autokorelasi. 5) Analisa LPC. Langkah selanutnya adalah analisa LPC, dimana pada tahap ini p+1 autokorelasi pada setiap frame diubah menadi satu set LPC parameter yaitu koefisien LPC, koefisien pantulan (reflection coefficient), koefisien perbandingan daerah logaritmis (log area ratio coefficient) Salah satu metode untuk melakukan hal ini ialah metode Durbin yang dinyatakan dalam algoritma dih ini : E ( 0) r( 0) (1) (2) (3) i1 i ki r() i 1 r( i ) / E 1 () i i k i ( i ) i ( ) i ki ( ) i () i 2 ( i1) E 1 ki E ( ) ( i ) 1 1,1 i i p. (4) Persamaan diatas direkursi untuk i=1,2,,p dan penyelesaian akhirnya berupa: ( p a m = koefisien LPC = ) m, 1 m p k m = koefisien PARCOR (koefisien pantulan) g m = koefisien perbandingan daerah logaritmis = log 1 km 1 k m 6) Mengubah LPC Parameter ke Koefisien Cepstral. Sekelompok LPC parameter yang sangat penting yang dapat diperoleh dari penurunan koefisien LPC adalah koefisien cepstral c(m). Persamaan yang digunakan untuk menghitung koefisien cepstral ini ialah : m 1 k c m am ckamk, 1 m p k 1 m m1 k cm c kamk k 1 m (5) E. Pengenalan Pola dengan Metode Neuro Fuzzy ANFIS (Adaptive Neuro Fuzzy Inference System atau Adaptive Network-based Fuzzy Inference System) adalah arsitektur yang secara fungsional sama dengan fuzzy rule base model sugeno. Arsitektur ANFIS uga sama dengan aringan syaraf dengan fungsi radial dengan sedikit batasan tertentu. Bisa dikatakan bahwa ANFIS adalah suatu metode yang mana dalam melakukan penyetelan aturan digunakan algoritma pembelaaran terhadap sekumpulan data. Pada ANFIS uga memungkinkan aturan-aturan untuk beradaptasi [7]. III. PEMBAHASAN DAN ANALISIS A. Penguian Hasil Implementasi Proses Pra-Pengolahan dan Proses Ekstraksi Ciri x y Lapis 1 Lapis 2 Lapis 3 Lapis 4 Lapis 5 A A B B W W Tuuan dari penguian hasil implementasi proses ekstraksi ciri adalah untuk mengetahui apakah proses ekstraksi ciri yang telah diimplementasikan menadi kode-kode program matlab N N Gambar. 1. Arsitektur Neuro Fuzzy x x f

4 JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X A-54 dapat dialankan sesuai dengan algoritma yang telah dirancang sebelumnya. Di samping itu penguian ini uga dimaksudkan Gambar 2-9 menelaskan tahapan proses pengolahan ekstraksi ciri linear predictive coding pada pencuplikan suatu sinyal ucapan kata, sehingga didapat perbedaan antara karakteristik dari suatu sinyal ucapan kata. B. Penguian Pengenalan Suara Penguian proses pengenalan suara, iterasi ditentukan sebesar 500. Penentuan ini dilakukan berdasarkan penelitian [6] yang menyatakan pada waktu iterasi ke-500 pengenalan suara dengan neuro-fuzzy dapat i. Selain itu, Gambar. 2. Pencuplikan Sinyal Gambar 3. Proses Preemphasis Gambar 10. Hasil Training dengan 4 Titik Koefisien Cepstral Gambar 4. Proses Frame Blocking Gambar 5. Proses Windowing Gambar 6. Proses Autokorelasi Gambar 7. Proses Analisa LPC Gambar 11. Hasil Training dengan 8 Titik Koefisien Cepstral Tabel 1. Data Hasil Percobaan Koefisien Cepstral Iterasi Nilai MSE 4 titik titik 500 9,36 x 10-6 Gambar. 8. Koefisien Cepstral 4 Titik pengamatan terhadap nilai mse yang dihasilkan pada saat percobaan 500 iterasi proses pengenalan suara, baik saat menggunakan koefisien cepstral dengan 4 titik dan 8 titik berpengaruh terhadap penentuan parameter ini. Gambar 10 dan 11 merupakan proses hasil training data sinyal suara. Dari hasil percobaan diatas, dapat dilihat kecenderungan nilai mse pada 8 titik koefisien cepstral memiliki nilai mse sangat kecil yaitu Lebih elasnya dapat ditunukkan pada tabel sebagai berikut: Gambar 9. Koefisien Cepstral 8 Titik untuk mendeteksi error-error yang kemungkinan teradi saat program-program hasil impementasi proses ekstrasi ciri diintegrasikan menadi satu.

5 JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X A-55 Tabel 2. Hasil penguian 2 aringan dengan data ui responden di dalam database Prosentase Pengenalan (%) Kata buka tutup kiri kanan atas h i buka tutup Net1 kiri 0 Lanutan 5 70 Tabel Hasil penguian 2 aringan dengan data ui responden di dalam database kanan atas 0 0 Prosentase 5 45 Pengenalan 45 (%) 5 0 Gambar 13. Grafik Perbandingan Net dengan responden di luar database Kata h Tabel 3. buka tutup kiri kanan atas h i Hasil penguian 2 aringan dengan data ui responden di luar database buka Prosentase Pengenalan (%) Net2 tutup kiri Kata buka tutup kiri kanan atas h i kanan buka atas h Net2 tutup kiri kanan atas h Prosentase Pengenalan (%) Kata buka tutup kiri kanan atas h i buka tutup Tabel 2 dan 3 merupakan tabel perbandingan antara net1 dan net2 dalam melakukan proses pengenalan kata. Net 1 merupakan data dengan koefisien cepstral 4 titik, sedangkan net2 merupakan data dengan koefisien cepstral 8 titik. C. Penguian dengan Respon Robot Setelah melakukan penguian pada sistem pengenalannya saa, selanutnya adalah melakukan penguian untuk dikomunikasikan dengan robot. Untuk penguian ini yang diutamakan adalah pengukuran waktu delay yang dihasilkan dari pengucapan hingga dialankan oleh robot, serta error dari perintah yang diberikan terhadap robot. Net1 kiri kanan atas Analisa dan penguian ini dilakukan dengan memberikan perintah terhadap robot sebanyak 20 kali secara acak untuk keenam perintah yang telah ditentukan. Hasil penguian dapat dilihat pada tabel 4 dih ini:

6 JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X A-56 Tabel 4. Hasil Penguian dengan respon robot N Perintah Gerak Robot Delay o 1 Atas Atas 30 detik 2 Bawah Bawah 30 detik 3 Buka Buka 30 detik 4 Kanan Kanan 30 detik 5 Kiri Kiri 30 detik 6 Tutup Tutup 30 detik 7 Kanan Kanan 30 detik 8 Kiri Kiri 30 detik 9 Atas Atas 30 detik 10 Bawah Bawah 30 detik 11 Kanan Kanan 30 detik 12 Tutup Tutup 30 detik 13 Atas Atas 30 detik 14 Bawah Bawah 30 detik 15 Buka Buka 30 detik 16 Kiri Tutup 30 detik 17 Tutup Tak Dikenali 30 detik 18 Tutup Tak Dikenali 30 detik 19 Atas Bawah 30 detik 20 Bawah Tak Dikenali 30 detik Dari hasil diatas diperoleh waktu rata-rata yang diperlukan mulai dari proses pengenalan suara, pengiriman data hingga diterima oleh robot yaitu 30 detik dengan catatan media transmisi yang digunakan berupa kabel data buka wireless. DAFTAR PUSTAKA [1] M. Isa Irawan dan Edi Satriyanto, Virtual Pointer untuk Identifikasi Isyarat Tangan sebagai Pengendali Gerakan Robot secara Real-Time, Jurnal Teknik Informatika, Vol. 9, No. 1 (2008) [2] R. Ramdhani, Kendali Gerak Interaktif Robot Mobil Berbasis Suara Ucapan. Tugas Akhir, Jurusan Matematika, Institut Teknologi Sepuluh Nopember, Surabaya (2009). [3] Thiang dan S. Wioyo, Speech Recognition Using Linear Predictive Coding and Artificial Neural Network for Controlling Movement of Mobile Robot, in Proceedings of 2011 International Conference on Information and Electronics Engineering (ICIEE 2011), Bangkok (2011). [4] Ivana Pengenalan Ucapan Vokal Bahasa Indonesia Dengan Jaringan Saraf Tiruan Menggunakan Linear Predictive Coding. Skripsi Jurusan Teknik Elektro, Universitas Diponegoro, Semarang (2002). [5] R. Adipranata dan Resmana Pengenalan Suara Manusia dengan Metode LPC dan Jaringan Syaraf Tiruan Propagasi Balik, Prosiding Seminar Nasional I Kecerdasan Komputasional,Universitas Indonesia, Jakarta (1999). [6] Yohannes TDS, Thiang, dan S. Chandra, Aplikasi Neuro-Fuzzy Untuk Pengenalan Kata. Jurnal Teknik Elektro, Vol. 2, No. 2 (2002, Sep.) [7] S. Kusumadewi dan S. Hartati, Neuro-Fuzzy : Integrasi Sistem Fuzzy dan Jaringan Syaraf, Yogyakarta : Graha Ilmu (2006). [8] L. Rabiner dan B. H. Juang, Fundamental Of Speech Recognition, New Jersey : Prantice-Hall Inc (1993). IV. KESIMPULAN DAN SARAN A. Kesimpulan Berdasarkan keseluruhan hasil analisa yang telah dilakukan dalam penyusunan tugas akhir ini, dapat diperoleh kesimpulan sebagai berikut : 1. Hasil penguian dengan proses eksraksi ciri linear predicitve coding untuk koefisien cepstral 8 titik memiliki nilai MSE yang lebih baik daripada koefisien cepstral 4 titik. 2. Rata-rata prosentase pengenalan aringan yang diperoleh dengan data ui dari reponden di luar database adalah net1= 12,5 % dan net2 = 9,2 %. Sedangkan rata-rata prosentase pengenalan aringan yang diperoleh dengan data ui dari responden di dalam database adalah net1 = 49 % dan net2 = 100%. Hasil ini menunukkan tingkat keberhasilan sistem pengenalan ucapan kata, sehingga tingkat keberhasilan terbaik dapat digunakan sebagai pengendali gerakan robot lengan. 3. Dari hasil penguian dengan gerak robot diperoleh waktu rata-rata yang diperlukan mulai dari proses pengenalan suara, pengiriman data hingga diterima oleh robot yaitu 30 detik dengan media transmisi yang digunakan berupa kabel.